分類モデルを相互に比較および評価するのに、一般的に最も適切なメトリックはどれですか？

AUCは、分類モデルの性能を評価するための包括的なメトリックであり、異なる分類しきい値における真陽性率（感度）と偽陽性率（1-特異度）の関係を示します。AUCが高いほど、モデルは陽性クラスと陰性クラスをよりよく区別できることを意味し、クラスの不均衡がある場合でも信頼性の高い比較が可能です。 Recall（再現率）は、実際の陽性サンプルをどれだけ正確に識別できたかを示しますが、偽陽性を考慮しません。Misclassification rate（誤分類率）は、モデルが誤って分類したサンプルの割合であり、クラスの不均衡がある場合に誤解を招く可能性があります。MAPEは回帰モデルの評価に用いられるメトリックであり、分類モデルには適用されません。